待验证50% 置信事实精确时间
检索增强(retrieval augmentation)是在识别后或识别中,从外部知识库检索相关文本片段,辅助语言模型进行重打分或纠错的技术。
1
来源数
50%
置信度
长期有效
时效性
2026/11/10
首次发现
来源
KeyASRBench:ASR关键词保留率的新衡量标尺
rss2026/11/7
涉及实体
相关事实
待验证借鉴Anthropic提出的contextual retrieval思路,加入上下文句子既提升了检索效果,也提升了验证精度75% 相似待验证传统稠密检索(dense retrieval)将文本或图片压缩成单个向量,计算高效但在表达细粒度语义匹配上存在损失71% 相似已验证语义搜索将文本转换为高维向量,通过计算余弦相似度找出最相关的结论,使得不同表述方式的查询也能命中语义相符的结果69% 相似已验证向量检索捕捉的是语义相关性而非字面匹配,这是它与关键词搜索的本质区别68% 相似已验证现代RAG实现广泛引入稠密向量检索(Dense Retrieval),利用嵌入模型将文本转化为高维向量,通过语义相似度进行匹配68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1153744API
curl https://kongchang.com/api/v1/knowledge/claims/1153744MCP
get_claim(id=1153744)